随着市场对瓷砖产品质量与生产效率要求的提升,当前业内采用的人工分拣方式已经远不能满足企业的生产需求,迫切需要研制基于机器视觉的瓷砖分类分拣系统,以解决生产成本高、分类标准不统一等问题。本文重点针对其中的瓷砖表面特征提取和分类算法进行研究。首先对瓷砖图像的光照不均和几何失真等问题,采用了基于映射的矫正方法。对矫正后的图像进行定量的分析,从瓷砖的主色调入手,设计了一种改进的基于HSV颜色模型主色调量化方法。将主色调特征参数结合瓷砖图像的平均灰度,作为颜色特征参数输入。在纹理分析上,采用基于Radon变换的纹理方向提取方法,同时对纹理的分布占比进行统计。在分类算法上,针对分类初期采集训练样本数量有限,分类特征需要进行自适应地动态选择等问题,以及分类的准确率和实时性等要求,设计了基于特征距离和统计分布的决策树分类器。阐述了单个样本以及大量样本条件下决策树的构造方法,并对特征权值与关联规则进行了讨论。该算法对特征值分割的标准进行了改进,可以更准确地得到特征值间的分割位置,提高分类预测准确率。将本文所述的决策树与最小距离分类器、支持向量机以及C4.5、CART决策树算法采用相同的训练和测试集进行训练并识别,对比分析实验结果,可见该决策树算法在分类准确性和实时性方面的优势。图35幅,表7个,参考文献60篇。